1、多维数据模型
定义:多维数据模型又叫多维数据集、立方体,指的是相互间通过某种联系被关联在一起的不同类别的数据集合。多维数据集可从多角度用数据全面映射某种业务的实际状况。
多个不同维度下的业务数据描述,需要有多个业务维度囊括的数据环境。
2、 多维数据模型创建方法
2.1 相邻两表间连接汇总
通过【公共字段】连接两表,选择不同表中字段分别作为维度、度量,选择汇总计算规则。
2.2 影响连接汇总的三要素
1)筛选器方向
单向和双向
筛选器方向决定维度与度量的出处 (筛选的一侧是维度,结果是度量)
(2)对应关系
分为三类,决定连接汇总的结果
- 一对一
- 多对一
- 多对多
(3)汇总角色
维度
度量
A.筛选器方向
筛选器方向决定维度与度量的出处、不可逆筛选器方向做筛选
维度汇总度量,维度筛选度量,;筛选器可以决定谁可以当维度,谁可以当度量。
(1)单向
箭头出发一侧为维度,指向一侧为度量;(维度→度量)
(2)双向
两表间互为筛选
OLAP无表的连接方向,也没有表的方向;
OLAP有主附表之分,根据提供度量的表来作为主表,出所有的数据范围。
B.对应关系
(1)1对1 (1-公共字段无重复值的)
1对1,主键与主键相连。(两表具有相同主键,并且作为公共字段生成一对一连接),一般不会出现,因为可以合成一张表来用了。
遇到一对一的时候,要去判断是不是真的主键对主键。
(2) 多对多,非主键相连;尽量避免使用这种连接关系
(3) 1对多,主键连接非主键 (单向)
(4) 1对多,主键连接非主键 (双向)
相邻量表连接时,应尽量使用多对一的关系,双向筛选方向时,多表可筛选一表,但筛选方式不同于一表筛选多表的筛选方式
C 两种汇总方式
上面的类型二的例子,由于公共字段就是维度字段不好解释,所以请看下面的例子
类型二的进一步说明
先看维度(区域id)对应的公共字段(产品id),在用公共字段(产品id)去筛选度量(产品总销量)
2.3 跨表筛选(筛选路径不通,则无法正确汇总)
若都为双向,则筛选路径通;但是数据结果不对,汇总规则用的类型二,不符合业务要求。
2.4 交叉连接
交叉连接下只有一条路径为有效路径。有效路径用实线显示。
2.5 三种模式(星型、雪花、星座)
-
星型模式
一个事实表与多个维度表相连
-
雪花模式
维度表与维度表相连;进行维度的扩展
-
星座模式
多个事实表共用某些维度表
eg:销售表、库存表、采购进货单表,都可以通过产品编号与产品表相连,就是星座模式
2.6 5W2H思维模型
3、基本透视规则
3.1、基本规则
3.2、对比计算规则
3.3、时间下的汇总规则
3.4、对比汇总公式
3.5、行间透视
4、多维透视分析应用
制作界面展示